数学建模优秀论文-化验结果的检验处理.doc

化验结果的处理 摘要 医学化验是协助医生诊断疾病的重要手段。在化验过程中，医院希望可以用简便的判别方法，通过尽量少的化验指标判别出就诊人员是否患病。本篇论文针对于化验结果的处理提出了Ca含量判别法和费希尔判别等判别法，并采用逐个剔除的方法来排除无关紧要的元素，从而减少化验指标，找出关键元素。 针对问题一的求解中，我们首先尝试采用四种方法：Ca含量判别法，欧式判别法，马氏判别法和费希尔判别法，通过运用这四种方法分别计算1-60号病例的化验结果来检验其的正确率来进行筛选，算得四种方法的综合正确率分别为：98.50%，88.34%，86.67%和93.34%，所以最终决定采用准确率较高的Ca含量判别法和费希尔判别法来作为诊断就诊人员是否患有肾炎的最终方法。 在问题二中我们分别用了Ca含量判别法和费希尔判别法对61-90号的30名就诊人员进行诊断，结果分别为11名患者，19名正常和14名患者，16名正常。结果大致一样，只有三名就诊人员的诊断结果存在差异。 对于问题三中，我们先通过作出 1-60号病例中七种元素的含量图，从中可以明显的看出Zn，Na这两种元素的含量对于诊断是否患病并没有什么影响，即是小作用因素，可以忽略不计，造成影响的元素只可能是Ca,Cu,Mg,Fe,K， 其中Ca含量的大小直接影响到就诊人员是否患病，因为从图中可以看出患病者和正常人的Ca含量是以1000为临界值的，故Ca的含量对于诊断结果的判定是很重要的，即所占的权重比较大，而Cu，Mg，Fe，K的作用不是很明显，所以我们通过分别计算剔除了Cu，Mg，Fe，K后诊断的准确率来分析这四种元素的对于诊断结果影响的权重，通过计算准确率分别为：85%，93%，93%，93%，故可看出剔除Cu对于诊断结果准确率的影响最大，而Mg，Fe，K对于诊断结果的影响不如Cu大，故本着化验方便快捷的原则我们得出最主要的影响因素为：Ca和Cu的含量。 问题四中，我们用Ca和Cu的含量作为61-90号就诊人员进行诊断的两项指标，最后算得有17人患病，13人正常。 问题五中，重复问题二和问题四，我们运用Ca含量判别法和七项指标的费希尔判别法算得的结果一致率达83.3%，运用七项指标的费希尔判别法和两项指标的费希尔判别法算得的结果一致率高达93.33%，所以我们可以进一步得出结论： Ca和Cu的含量才是作为判断的最为主要的指标，而是否化验其余五种元素对于诊断结果的影响很小，即就诊人员只需化验Ca和Cu的含量基本上就可以判定是否患病，这样就大大节省了看病的时间以及人力和财力。 关键字：Ca含量判别法，费希尔判别法，MATLAB，Excel 一、问题重述 人们到医院就诊时，通常要化验一些指标来协助医生的诊断。诊断就诊人员是否患肾炎时通常要化验人体内各种元素含量。表B.1是确诊病例的化验结果，其中1－30号病例是已经确诊为肾炎病人的化验结果；31－60号病例是已经确定为健康人的结果。表B.2是就诊人员的化验结果。我们的问题是： 根据表B.1中的数据，提出一种或多种简便的判别方法，判别属于患者或健康人的方法，并检验你提出方法的正确性。 按照1提出的方法，判断表B.2中的30名就诊人员的化验结果进行判别，判定他（她）们是肾炎病人还是健康人。 能否根据表B.1的数据特征，确定哪些指标是影响人们患肾炎的关键或主要因素，以便减少化验的指标。 根据3的结果，重复2的工作。 对2和4的结果作进一步的分析。 二、模型的假设 题中给出的数据和判断结果真实无误； 除去表中的七项指标外，忽略其余指标对肾炎判别的影响； 病人的指标变化完全由肾炎引起的，健康人没有患影响这七项指标的其他疾病； 没该病的个体都是健康体； 检测是在同等条件下进行的，即同样的外界环境和生理条件； 假设表1给出的数据完全正确，没有误诊并且在化验过程中没有任何错误； 假设表2的化验结果完全正确，在化验过程中没有出现错误和较大的误差； 假设各种元素对于判别是否是肾炎的影响是相互独立的。 三、符号说明 符号 含义 健康人和肾炎患者的总体， X到样本的欧式距离， 第组的均值向量 的均值向量， 的协方差阵， X到样本的马氏距离， 组间的离差 组内的离差 与的比值 费希尔判别法的判别函数 费希尔判别法判别函数的系数 费希尔判别法的判别函数的临界值 四、模型的建立 关于此化验结果的处理我们首先尝试四种方法来判别是否患病，然后评定其优劣再进行筛选。 方法一，Ca含量判别法： 我们用Matlab软件分别作出1-60号病例七种元素化验结果的含量图： 根据上面的图像容易看出，对肾炎影响最大的就是钙元素的含量，且以1000为临界值。 若Ca含量在1000以上则为健康人，若在1000以下则为肾炎患者。 方法二，欧式距离判别法：